基于三階段DEA的項目評審專家資源效率評價及調整策略研究

摘要：在科技和采購項目評審中，專家庫的規模與可用性在各評審專業之間存在不均衡矛盾，這嚴重影響了招標采購工作的質量。為科學規劃評審專家資源庫，提升科技和采購項目評審專家資源配置合理化水平，基于三階段數據包絡分析（簡稱DEA）方法，對評審專家資源效率進行分析。利用2020—2022年初的招標采購數據和評審專家數據，揭示評審專家資源效率，并進一步指出評審專家資源的投入優化方向。研究結果表明：環境變量對調整后的投入變量具有顯著的影響；剔除環境因素和隨機因素影響后，處在前沿面上的決策單元數量減少，表明這些因素在一定程度上掩蓋評審專家資源效率的真實水平。通過對投入冗余和產出不足的分析，研究制定科技和采購項目評審專家資源調整策略。

關鍵詞：專家資源;DEA;效率評價;資源優化;調整策略

0引言

在科技和采購項目管理中，評審項目申報書、標書等材料是至關重要的工作。例如，在電力領域科技項目申報過程中，評閱專家通過參與其項目，審查申報物資與服務采購環節申報方/供應商資格能力、評審商務與技術文件等環節，對供應商的資質、運營效率、服務質量、供應風險等進行科學評價，從而實現“陽光采購、好中選優”，為推進電網物資采購提質增效提供支撐。

2021年，國家電網有限公司（以下簡稱“國家電網”）建成評審專家專業分級管理新模式，該模式將專家由“按人分級”轉變為“按專業分級”管理，為科學配置、精準使用專家資源，促進科技和采購項目評審質量提升，選優選好設備，更好地服務于國家電網建設提供了專業支撐與保障。同時，由于評審專家庫的定額設計與動態管理缺乏科學理論指導，當前各專業評審專家庫普遍存在規模和結構不均衡、評審專家抽取精準性不高等問題，嚴重制約了科技和采購項目管理工作質量的進一步提升。因此，需要通過課題研究和管理創新，應用科學方法和大數據技術，提高評審專家庫資源規劃和動態管理科學水平，提升評審專家數字化和智能化管理水平。

國家電網科技和采購項目存在評審專業分類體系繁雜、專家抽取限制規則多、專家庫按專業等級分級建設等特點，使得評審專家庫資源規劃工作復雜度較高。目前，評審專家管理存在諸多問題，如專家定額測算缺乏科學依據、顆粒度較粗、發布不及時等。在信息技術應用方面，國家電網基于現代智慧供應鏈“5E一中心”平臺，實現了評審專家資源一體化信息管理，積累了大量的科技項目、專家評審等歷史數據，為科學規劃和動態管理專家庫資源提供了定量化的大數據支持，有助于提升評審專家庫管理的數智化水平。

本研究查閱并研究關于評審專家庫管理、人才隊伍規劃等方面的研究成果。例如，付立海等[1]在評審專家庫管理方面，科學構建通信工程建設項目評審專家庫，針對評審專家庫存在的專業劃分不精細、專家更新不及時、專家庫信息化程度不高等問題，提出了管理措施建議。陳文俊等[2]在評審專家管理的應用研究中，對專家畫像的維度和指標進行了研究。胡東等[3]在評審專家定額規劃方面，基于智慧供應鏈的評審專家庫動態管理研究，提出了基于批次分包分標模型和評審各專業分組模型的專家定額標準測算方案。顧玉瑄[4]在效率分析方面，基于三階段數據包絡分析方法對供電所資源投入產出效率進行評價與分析，提出了影響供電所組織效率評價的4個輸入指標和3個關鍵輸出指標。鄭蒼林[5]在人力資源規劃研究方面，利用馬爾科夫鏈在企業人力資源需求預測方面的方法，基于歷史各層級和人員變動數據進行未來人力資源需求預測。

因此，本研究采用三階段數據包絡分析方法，利用2020—2022年初的科技和采購項目招標數據和評審專家數據，對評審專家資源效率進行分析，以期提高科技和采購項目管理中評審專家庫資源規劃和動態管理的科學水平。

1文獻綜述

DEA方法常被用于分析多投入、多產出決策單元的相對效率。例如，鄧郴宜[6]運用DEA方法對我國157家上市醫藥行業公司的創新效率進行了研究。宋姍等[7]基于DEA方法探討了醫院的心內科護理人力資源效率。Shabani等[8]將DEA方法應用于新能源績效分析。黃松濤[9]運用DEA方法研究人力資源投入與高?？冃еg的效率。郭雨軒[10]研究我國西部縣級醫院的人力資源醫療投入與產出之間的關系。趙彤等[11]運用DEA方法測量公立醫院人力資源投入產出效率。Zhang等[12]利用DEA方法研究大型集團人力資源投入產出效率評價，基于研究結果提出激勵性薪酬分配模型。Jiang等[13]基于分布式數據庫，利用DEA方法測量和評價連鎖零售企業人力資源管理效率。He等[14]運用DEA方法進行老年科護理人力資源效率評價。

三階段DEA方法在傳統DEA方法的基礎上，剔除了環境因素和隨機干擾的影響，更真實地反映決策單元的效率，從而被國內外學者廣泛運用。例如，姜城蕾等[15]運用此方法研究我國31個省份醫療衛生機構的投入產出效率；張僑等[16]用此方法對酒店的人力資源管理效率進行評價分析。丁毓良等[17]用此方法對城市人力資源的投入產出效率進行評價。趙燕娜等[18]將此模型運用到我國數字經濟效率的研究。田曉麗等[19]用此方法對我國民營銀行的經營效率進行實證分析，得出加大科技投入、優化資源配置等建議。陳池[20]用此方法研究不同所有制下的工業企業創新效率差異性，并提出相應改進策略。藍英[21]基于西部地區12個省份公共衛生財政支出的實證分析，對其做出投入產出效率評價。Wei等[22]基于此方法開展了我國電力行業碳減排效率的評價。Qin等[23]采用此方法對產業技術研究院的創新效率進行了研究。Wang[24]將此方法應用于大學生創業企業創新生態系統運行效率的研究。鑒于三階段DEA方法在效率評價方面的優勢，本文基于此方法對國家電網科技和采購項目評審專家資源效率進行評價及策略研究。

2三階段DEA方法分析

傳統的DEA模型主要基于規模報酬不變的假設，這導致DEA方法分析出現無法準確衡量決策單元在規模報酬可變情況下的效率問題。此外，傳統DEA模型沒有消除環境因素與隨機因素對生產者績效評價的影響。因此，本文結合Fried等[25]提出的三階段DEA模型，進行以下分析：第一階段，對在庫專家資源進行效率評價；第二階段，通過SFA回歸得到去除環境因素和隨機因素影響的投入變量；第三階段，在同質環境下，得出更符合實際的專家資源效率，并根據第三階段DEA方法的分析結果，制定專家資源的調整策略，優化評審資源投入和評審效率產出。

2.1第一階段：進行傳統DEA測算

第一階段，采用傳統DEA模型對原始的投入與產出數據進行效率測算。本文以36個投標專業為研究對象，探究如何在保持既定產出的情況下，優化專家人數投入。本文采用規模報酬可變的BCC模型，有助于解決某些決策單元在規模報酬遞減或遞增情況下的生產問題。BCC模型分為投入導向型和產出導向型，本文研究的是在庫專家資源的效率評價，投入變量是決策的基本變量，相對容易控制，而產出變量比較難控制。因此，本文采用投入導向型BCC模型，公式如下

式中，j=1，2，…，n為決策單元；X和Y分別為投入和產出指標；λj為決策單元的權重系數；θ為效率有效值；S-和S+分別為投入和產出的松弛變量。

2.2第二階段：構建SFA模型

第一階段DEA模型可以得到投入的松弛變量，Fried等[25]指出第一階段的松弛變量包含環境因素、管理無效率及統計噪聲等冗余信息。為更加真實地反映決策單元的實際投入與處于生產前沿面下的投入目標值之間的真實效率，本文通過SFA模型將環境因素和統計噪聲剔除，將第一階段得到的投入松弛變量作為因變量，環境變量作為自變量，構造SFA回歸模型，公式如下

式中，Smn為投入松弛變量；En為環境變量；βm為環境變量的系數；vmn和μmn分別為統計噪聲和管理無效率；vmn+μmn為混合誤差項。

基于SFA回歸結果，需進一步剔除環境因素和隨機因素對效率測度的影響，將所有投入量置于相同環境中。因此，設定調整公式如下

式中，Xmn和XAmn分別為回歸調整前和調整后的投入量；max（f（En，βm））-f（En，β^m）為對外部環境因素進行調整；max（vmn）-vmn為將所有決策單元置于相同環境水平下。

2.3第三階段：調整后的DEA模型

將第二階段調整后的投入結果與原始產出再次導入BCC模型，即可得到剔除環境因素和隨機因素的評審專家資源效率。

3數據來源和指標選取

3.1數據來源

本文各指標原始數據均來自ECP系統的招標采購數據和評審專家數據，觀察期為2020—2022年初。投入指標數據來源于《評審專家在庫數據》《評審專家出席數據》；產出指標數據來源于《招標采購項目數據》《招標標包數據》；環境指標數據來源于《評審專家出席數據》《實際參評專家數據》《評審專家在庫數據》。

3.2投入與產出指標選取

在查閱相關文獻和多輪次專家研討基礎上，綜合考慮評審專家數據的特性，最終選取在庫專家人數和出席專家人數為投入指標，選取中標金額、投標人數、分標數和評審天數為產出指標。環境因素是影響評審專家資源規劃效率的客觀因素，選取未出席專家人數、專家出席率和專家參評率為環境指標。投入產出指標及環境變量說明見表1。

4實證分析及改進策略

4.1第一階段：傳統DEA實證分析

運用Deap 2.1版本軟件，測量2020—2022年初未剔除環境因素和統計噪聲影響的評審專家資源效率。第一階段DEA模型評審專家資源效率測算見表2，不同專業投入產出的綜合技術效率、純技術效率和規模效率分別為0.551、0.656、0.830。平均綜合技術效率與平均純技術效率較低，表明各個專業的資源配置能力和資源使用效率較低。

（1）總體來看，有9個專業的綜合技術效率為1，達到DEA有效，表明這9個專業的投入與產出的資源配置結構合理，相對效率為最優，且純技術效率和規模效率同時達到最優。剩余的27個不同專業的決策單元為非DEA有效，其中“66kV及以上電纜及附件”的綜合效率最低。從純技術效率的角度分析，2020—2022年初，有13個不同專業的純技術效率為1，為純技術效率有效；其余23個不同專業為非純技術效率有效，表明這23個專業的技術創新在評審專家資源分配過程中沒有得到有效利用，未來在評審專家資源分配的技術創新應用方面，存在較大提升空間。

（2）從規模效率的角度分析，2020—2022年初，有10個專業的規模報酬處于不變階段，表明規模適宜，已經達到最優的狀態；有16個專業的規模報酬處于遞增階段，表明未來應該合理調整資源配置，應繼續加大這些專業的在庫專家人數投入，實現評審專家資源效率達到最優；而商務綜合等10個專業處于規模報酬遞減階段，表明這些專業的專家資源利用水平低，應該通過不斷技術創新，以達到專家資源規模效率的提升。

4.2第二階段：SFA回歸結果分析

運用Frontier4.1軟件，計算得出兩個原始投入的松弛變量值，分別將這兩個松弛變量與本文中的3個環境變量做SFA回歸，以分析三個環境變量對投入松弛變量的影響程度。SFA回歸分析結果見表3，2個投入松弛變量的gamma值均達到1，表明管理無效率是主要的影響因素，LR單邊似然比檢驗通過了顯著性檢驗，表明本文選取的環境變量對評審專家資源投入冗余有顯著影響。

從表3可以看出，未出席專家人數、專家出席率和專家參評率均對在庫專家人數松弛變量有顯著影響；未出席專家人數和專家參評率對出席專家人數松弛變量有顯著影響，專家出席率對出席專家人數松弛變量無顯著影響。具體分析如下：

（1）未出席專家人數。該變量與在庫專家人數的松弛變量回歸系數為正，表明增加未出席專家人數會增加在庫專家人數的投入冗余，造成資源浪費，增加投入成本；然而，未出席專家人數與出席專家人數的松弛變量回歸系數為負，表明增加未出席專家人數會降低出席專家人數的投入冗余，對于出席專家人數在評審專家資源利用方面有正向影響。

（2）專家出席率。該變量與在庫專家人數的松弛變量回歸系數為正，表明增加專家出席率會增加在庫專家人數的投入冗余，增加資源投入；此外，專家出席率與出席專家人數的松弛變量影響不顯著。

（3）專家參評率。該變量與在庫專家人數的松弛變量回歸系數為負，表明增加專家參評率會降低在庫專家人數的投入冗余，出席專家參評率越高，評審專家資源利用效率也就越好。然而，專家參評率與出席專家人數的松弛變量回歸系數為正，表明增加專家參評率會增加出席專家人數的投入冗余，增加出席專家資源投入。

4.3第三階段：調整后DEA分析與改進

第一階段計算得出松弛變量，第二階段剔除環境因素和統計噪聲的影響，第三階段則是對第二階段的結果調整松弛變量，然后對數據再次進行DEA分析，第三階段DEA模型評審專家資源效率測算見表4。

由表4可知，綜合技術效率、純技術效率、規模效率的均值為0.603、0.743、0.811。相對第一階段綜合技術效率和純技術效率的均值有所提升，表明環境因素和統計噪聲對評審專家資源效率的評價存在一定的影響，規模效率的均值有所降低。具體來看，有8個專業的規模報酬處于不變階段，達到DEA有效。有4個專業的規模效報酬處于遞減階段，分別是商務綜合，變電電氣設計，輸電線路施工，導、地線，即增加這4個專業的投入會使得規模報酬遞減，降低資源利用率。其余24個專業的規模報酬處于遞增階段，即增加這些專業的評審專家人數會使得規模報酬遞增，增加資源利用率。由此可見，環境因素和隨機因素的干擾在一定程度上掩蓋了評審專家資源效率的真實水平。

對于非DEA有效的決策單元，可以進一步分析其投入冗余和產出不足情況。其中，投入冗余分析即差額變數分析，主要用于分析各投入變量需要減少的投入量，從而達到效率最優。產出不足分析即超額變數分析，主要用于分析各產出變量需要增加多少產出量才能達到效率最優，并明確非DEA有效的決策單元需要改進的數量。投入冗余與產出不足匯總表見表5。

由表5可知，在不減少產出和不增加在庫專家人數投入的情況下，66kV～220kV交流變壓器和高壓開關柜（箱）專業可以減少7名和32名出席專家人數。在不減少產出和不增加出席專家人數的情況下，常規輸電線路技術經濟、常規變電土建技術經濟、輸電線路監理和變電土建監理專業需要各減少1名在庫專家人數；線路電氣設計、電網系統規劃設計、變電電氣監理和交流避雷器專業可以各減少2名在庫專家人數；變電土建施工專業可以減少3名在庫專家人數。

在不增加投入和減少投標人數、分標數和評審天數等產出的情況下，電網系統規劃設計，變電設備安裝，輸電線路監理，變電土建監理，變電電氣監理，箱式變電站，35kV及以下交流變壓器，66kV～220kV交流變壓器，35kV及以下交流斷路器，交流電容器，交流避雷器，鐵塔，線路絕緣子，光纜，66kV及以上電纜及附件，導、地線金具專業需要分別增加82 714元、121 811元、155 516元、77 173元、138 478元、15 940元、43 147元、41 977元、48 781元、86 249元、154 736元、48 843元、132 990元、65 096元、32 470元和152 894元。

在不增加投入和減少中標金額、分標數和評審天數等產出的情況下，常規輸電線路技術經濟、電網系統規劃設計、變電設備安裝、輸電線路監理、變電土建監理、變電電氣監理、66kV～220kV交流變壓器、交流電容器、交流避雷器、66kV及以上電纜及附件等專業需要分別增加61人次、34人次、474人次、429人次、396人次、379人次、625人次、41人次、457人次、187人次。

在不增加投入和減少中標金額、投標人數和評審天數等產出的情況下，常規輸電線路技術經濟，變電設備安裝，輸電線路監理，變電土建監理，變電電氣監理，箱式變電站，35kV及以下交流變壓器，66kV～220kV交流變壓器，35kV及以下交流斷路器，交流避雷器，鐵塔，線路絕緣子，導、地線，光纜，66kV及以上電纜及附件，導、地線金具專業需要分別增加11包、119包、69包、88包、64包、6包、51包、144包、45包、171包、95包、114包、30包、79包、45包、161包。

在不增加投入和減少中標金額、投標人數和分標數等產出的情況下，常規輸電線路技術經濟和導、地線金具專業均需要增加1天的評審天數；電網系統規劃設計專業需要增加2天的評審天數；變電土建施工、35kV及以下交流斷路器、鐵塔專業均需要增加3天的評審天數；變電土建監理、交流電容器、66kV及以上電纜及附件專業需要增加4天的評審天數；光纜需要增加5天的評審天數。

5結語

本文采用三階段DEA模型，基于2020—2022年初的招標采購和評審專家數據，對評審專家資源效率進行分析，并進一步指出評審專家資源的投入優化方向。研究發現：第三階段的綜合技術效率和純技術效率總體平均水平高于第一階段，表明環境因素和隨機因素對評審專家資源效率的評價存在顯著影響；剔除環境因素和隨機因素的影響，處在前沿面上的決策單元數量減少，表明環境因素和隨機因素在一定程度上掩蓋了評審專家資源效率的真實水平。根據投入冗余和產出不足分析，指出各投入變量和產出變量需要增加或減少的投入量和產出量，進而明確非DEA有效的決策單元需要調整的數量，從而提高評審專家庫資源規劃和動態管理的科學水平，提升評審專家數字化和智能化管理水平。

本研究仍存在以下不足之處：在各指標數據的采集和統計過程中，部分專業分類及范圍存在不一致的情況，需要組織內部專家，建立評審專業映射關系；此外，在運用DEA方法時，需要對評審專業進行篩選，對于招標金額小、次數少、現有專家庫儲備充分的專業則不納入測算范圍。未來研究可以在數據采集和統計方面探索更優化的方法，進行更科學的專業分類，結合更多維度的投入和產出指標，開展更深入的評審閱標效率評價。

參考文獻

[1]付立海， 劉斌.如何科學構建通信工程建設項目評審專家庫 [J].中國招標， 2019（44）： 54-57.

[2]陳文俊， 徐旸， 馬菁澤， 等.專家畫像在評審專家管理中的應用研究 [J].現代信息科技， 2021（6）： 131-135.

[3]胡東， 金涌川， 李學斌.基于智慧供應鏈的評審專家庫動態管理 [J].東北電力技術， 2019（12）： 54-56.

[4]顧玉瑄.TJ公司人力資源需求預測研究 [D].天津： 天津工業大學， 2020.

[5]鄭蒼林.馬爾科夫鏈在企業人力資源需求預測方面的應用 [J].中國科技信息， 2008（19）： 168-169.

[6]鄧郴宜.生物醫藥上市企業創新效率評價及影響因素研究——基于三階段DEA的實證分析 [J].中國物價， 2023（10）： 116-120.

[7]宋姍， 魏琳， 劉楊晨， 等.基于數據包絡分析法的護理人力資源效率評價 [J].護理學報， 2021， 28（13）： 1-5.

[8]SHABANI M， KORDROSTAMI S， NOVEIRI M J S.Renewable energy performance analysis using fuzzy dynamic directional distance function model under natural and managerial disposability [J].Applied Energy， 2023， 352.

[9]黃松濤.高校人力資源投入效率評價研究 [D].北京： 首都經濟貿易大學， 2009.

[10]郭雨軒.中國西部縣級醫療機構衛生人力資源投入產出研究 [D].銀川： 寧夏醫科大學， 2018.

[11]趙彤， 殷菱，邸金平， 等.衛生專業技術職稱改革背景下公立醫院崗位結構優化研究——基于人力資源效率的視角 [J].現代醫院， 2023， 23（11）： 1700-1704.

[12]ZHANG Y，MA Y G， CHEN Q.Analysis of incentive compensation distribution model based on human resource input and output efficiency [C]//2016 International Conference on Social Science， Humanities and Modern Education （SSHME 2016）， 2016.

[13]JIANG X L，SOHAIL M.Evaluation method of human resource management efficiency of chain retail enterprises based on distributed database [J].Computational and Mathematical Methods in Medicine， 2022（8）： 1860426.

[14]HE J，XIONG L J， JIN H.Development of indexes for evaluating nursing human resource efficiency in geriatric department based on data envelopment analysis [J].Journal of Nursing Science， 2019，34（14）：53-55.

[15]姜城蕾，宋國強， 邱林萍， 等.我國醫療衛生機構投入產出效率研究——基于三階段DEA模型 [J].南京醫科大學學報（社會科學版）， 2023， 23（5）： 409-414.

[16]張僑，蔡道成.基于DEA的酒店人力資源管理效率評價研究 [J].科技廣場， 2013（6）： 172-175.

[17]丁毓良， 商華.基于誤差修正系數的城市人力資源效率評價模型研究 [J].現代管理科學， 2011（7）： 47-48，102.

[18]趙燕娜， 張家俊.數字經濟產出效率研究——基于30個省份對比分析 [J].衡水學院學報， 2023， 25（4）： 25-31.

[19]田曉麗， 汪竹芳， 劉政永.我國民營銀行經營效率的實證研究——基于DEA和Malmquist指數模型的分析 [J].黑龍江金融， 2023（9）： 62-67.

[20]陳池.工業企業創新效率的所有制差異性實證研究——基于三階段DEA模型 [J].科學決策， 2023（5）： 201-212.

[21]藍英.公共衛生財政支出效率評價——基于西部地區12個省份的實證 [J].統計與決策， 2023， 39（15）： 147-151.

[22]WEI X X， ZHAO R.Evaluation and spatial convergence of carbon emission reduction efficiency in Chinas power industry： based on a three-stage DEA model with game cross-efficiency [J].The Science of the Total Environment， 2023（906）： 167851.

[23]QIN Y D， ZHANG P， DENG X H， et al.Innovation efficiency evaluation of industrial technology research institute based on three-stage DEA [J].Expert Systems With Applications， 2023（224）：120004.

[24]WANG H.Operating efficiency of the innovation ecosystem of college students start-ups based on three-stage DEA model [J]. Journal of Computational Methods in Sciences and Engineering， 2023， 23（1）： 485-498.

[25]FRIED H O， LOVELL C A K，SCHMIDT S S， et al. Accounting for environmental effects and statistical noise in data envelopment analysis [J].Journal of Productivity Analysis， 2002，17（1）： 157-174.

收稿日期：2024-10-25

作者簡介：

陳柳（1985—），女，研究方向：人力資源管理。

王麗麗（1984—），女，副高級工程師，研究方向：物資采購評標專家管理。

楊岸濤（1992—），男，工程師，研究方向：物資管理。

傅天奕（1993—），男，經濟師，從事招標采購。

王陳明（1989—），男，副高級工程師，研究方向：項目管理、信息技術開發。

周云（通信作者）（1985—），男，博士，碩士研究生導師，研究方向：物流與供應鏈管理、數字經濟與數字化轉型。